English(EN) How many tokens does a web page cost your LLM? We measured 20 real pages

LLM网页token成本：原始HTML效率低下，Markdown节省98%

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-13 20:59

一项研究测量了检索增强生成（RAG）管道和AI代理处理网页的token成本。研究结果表明，原始HTML网页的token效率非常低下，中位数为约128,000个token。将这些网页转换为面向LLM的Markdown格式，在仅提取主要内容并进行进一步清理后，与原始HTML相比，token数量中位数减少了98%，与整页文本相比减少了63%。研究强调，主要内容提取是减少token使用的最有效步骤，节省量因网页结构而异。 AI

影响为LLM优化网页处理可以显著降低RAG系统的成本并提高检索准确性。

排序理由该条目展示了一项关于LLM处理网页的token效率测量研究的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目展示了一项关于LLM处理网页的token效率测量研究的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Leif Albrand · 2026-10-13 20:59

一个网页会消耗你的LLM多少token？我们测量了20个真实网页

Raw HTML vs. full-page text vs. main-content Markdown — median, range, and the cases where the saving is small. If you build RAG pipelines or agents that read the web, every page you fetch ends up as input tokens: in the embedding step, in the context window, o…

本文如何被排名

报道来源 [1]

一个网页会消耗你的LLM多少token？我们测量了20个真实网页

相关实体

相关话题